H-ROS應用程序接口API和機器人操作系統教程-支持ROS和ROS 2的人工智能（AI）和強化學習（RL）算法-

文檔參考來源：https://acutronicrobotics.com/docs/

友情提示：如果您是2019年接觸機器人操作系統ROS，可以忽略ROS1.0時代的教程，直接學習ROS2.0。

技術更新迭代速度是非常快的，工具如此，算法也是如此，就如同如今很少有人會選擇購買功能機（對比智能機）一樣。

某些功能可能無法用于某些模塊。有關更多信息，請參閱每個模塊的文檔（例如模塊化機器人關節）

第1級：開發人員

面向開發人員的API，由ROS 2.0提供支持，構建于機器人的標準化信息模型之上，硬件機器人信息模型（HRIM）可確保制造商之間的互操作性。H-ROS API Level 1由4個元素組成：

ROS2接口

可視化

仿真模擬

命令行界面（CLI）

ROS 2.0 API

機器人操作系統（ROS）是一組軟件庫和工具，可幫助您構建機器人應用程序。H-ROS提供了一組主題，服務，操作和參數，僅關注應用程序。HRIM以ROS為基礎，是機器人的信息模型，可促進不同機器人硬件供應商之間的互操作性。它提供通用接口，簡化了可重配置性和靈活性，是機器人行業強烈要求的創新。

可視化

RVIZ2是一個ROS 2.0圖形界面，允許您使用多種可用主題的插件可視化大量信息。

仿真模擬

機器人模擬是每個機器人工具箱中必不可少的工具。精心設計的模擬器可以快速測試算法，設計機器人，并使用真實場景執行回歸測試。Gazebo能夠在復雜的室內和室外環境中準確有效地模擬機器人群。觸手可及的是強大的物理引擎，高質量的圖形以及便捷的編程和圖形界面。最重要的是，Gazebo是一個充滿活力的社區。

命令行界面（CLI）

此CLI將與每個H-ROS模塊中提供的API進行通信。此CLI將允許配置與我們的H-ROS SoM相關的一些基本方面。

獲取SoM的實際信息（版本，主機名......）

啟動/停止正在運行的生命周期

獲取并設置RMW_IMPLEMENTATION正在運行

獲取并設置ROS_DOMAIN_ID正在運行

模塊化接頭具體：

將實際位置設置為零

第2級：研究人員

針對有興趣研究機器學習如何賦予機器人額外功能的研究人員。該層提供了多種技術（主要用于強化學習和監督學習），這些技術建立在由TensorFlow提供支持的頂級基本原語之上。所有這些技術都與可與ROS互操作的底層連接。機器人專家對AI的態度。

在本文檔的這一部分中，我們將描述將增強學習（RL）算法以及相關的ROS 2和Gazebo包合并在一起的整體集成工作。開發的框架是gym_gazebo2，這是一個結合了兩全其美的工具包：符合最先進的RL算法和所有必要的機器人工具，如用于運動學和控制的各種ROS 2包。為了監控培訓的進展，我們利用已經提到的Gazebo模擬器。

所有基于gym-gazebo2環境的實驗都可以在ROS2Learn中找到，這是我們應用于機器人技術的最先進的算法集合。

我們還將介紹一些我們使用開源工具測試的模塊化機器人的不同DRL技術。

算法

ROS2Learn

gym_gazebo2

第3級：用戶

面向用戶的這一層旨在提供一套簡單而完整的功能，以方便機器人的使用。我們研究如何使用AI來增強傳統的路徑規劃技術以及機器人如何通過模仿來學習特定的任務。

模仿學習（IL）

https://github.com/AcutronicRobotics/gym-gazebo2

gym-gazebo2 is a toolkit for developing and comparing reinforcement learning algorithms using ROS 2 and Gazebo. Built as an extension of?gym-gazebo, gym-gazebo2 has been redesigned with community feedback and adopts now a standalone architecture while mantaining the core concepts of previous work inspired originally by the OpenAI gym.

This work presents an upgraded, real world application oriented version of gym-gazebo, the Robot Operating System (ROS) and Gazebo based Reinforcement Learning (RL) toolkit, which complies with OpenAI Gym. A whitepaper about this work is available at?https://arxiv.org/abs/1903.06278. Please use the following BibTex entry to cite our work:

@misc{1903.06278,

Author = {Nestor Gonzalez Lopez and Yue Leire Erro Nuin and Elias Barba Moral and Lander Usategui San Juan and Alejandro Solano Rueda and Víctor Mayoral Vilches and Risto Kojcev},

Title = {gym-gazebo2, a toolkit for reinforcement learning using ROS 2 and Gazebo},

Year = {2019},

Eprint = {arXiv:1903.06278},

}

A whitepaper regarding previous work of gym-gazebo is available at?https://arxiv.org/abs/1608.05742.

gym-gazebo2?is a complex piece of software for roboticists that puts together simulation tools, robot middlewares (ROS, ROS 2), machine learning and reinforcement learning techniques. All together to create an environment where to benchmark and develop behaviors with robots. Setting up?gym-gazebo2?appropriately requires relevant familiarity with these tools.

Docs. In-depth explanations and actively growing tutorials can be found at?https://acutronicrobotics.com/docs. The following is an example of what you can achieve using gym-gazebo2 as a submodule of?ros2learn?repository. The goal is to reach the green target.

Left image shows the start of a training

To the right we execute an already trained policy.

https://github.com/AcutronicRobotics/ros2learn

This repository contains a number of ROS and ROS 2 enabled Artificial Intelligence (AI) and Reinforcement Learning (RL)?algorithms?that run in selected?environments.

The repository contains the following:

algorithms: techniques used for training and teaching robots.

environments: pre-built environments of interest to train selected robots.

experiments: experiments and examples of the different utilities that this repository provides.

A whitepaper about this work is available at?https://arxiv.org/abs/1903.06282. Please use the following BibTex entry to cite our work:

@misc{1903.06282,

Author = {Yue Leire Erro Nuin and Nestor Gonzalez Lopez and Elias Barba Moral and Lander Usategui San Juan and Alejandro Solano Rueda and Víctor Mayoral Vilches and Risto Kojcev},

Title = {ROS2Learn: a reinforcement learning framework for ROS 2},

Year = {2019},

Eprint = {arXiv:1903.06282},

}

AI API TensorFlow 機器人

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。